1、 最大流
- FF、EK、Dinic算法比较
- Dinic算法
2、二分图匹配
- 匈牙利算法
3、最小费用流
- SPFA算法求解
- Dijkstra算法求解
1、最大流( FF、EK、Dinic算法比较)
- Ford-Fulkerson算法:通过dfs不断寻找增广路,复杂度O(V·E^2),效率较低。
- Edmonds-Karp算法:通过bfs不断寻找增广路,复杂度O(V·E^2),效率比FF略好,但是还是较低。
- Dinic算法:首先bfs预处理出层次图,然后在层次图上dfs进行增广,复杂度 O(V^2·E),时间效率较好。
2、最大流(Dinic算法)
描述:
Dinic算法总是寻找最短的增广路,并沿着它增广。与之相对,EK算法执行完一次bfs增广后,要重新从源点s开始寻找另一条增广路,而在Dinic算法中,只需一次bfs就可以实现多次增广,效率提高。
复杂度:
O(V^2·E)
int V,E;
struct edge{ //用于表示边的结构体(终点,容量,反向边)
int to,cap,rev;
edge(int t,int c,int r):to(t),cap(c),rev(r){}
};
vector<edge>G[Max_v];
int level[Max_v]; //顶点到源点的距离标号
int iter[Max_v]; //当前弧,之前的边已经用过了
void add_edge(int from,int to,int cap){
G[from].push_back(edge(to,cap,G[to].size()));
G[to].push_back(edge(from,0,G[from].size()-1));
}
//通过BFS构造层次图
void bfs(int s){
memset(level,-1,sizeof(level));
queue<int>que;
level[s]=0;
que.push(s);
while(!que.empty()){
int u=que.front();que.pop();
for(int i=0;i<G[u].size();i++){
edge e=G[u][i];
if(e.cap>0&&level[e.to]<0){
level[e.to]=level[u]+1;
que.push(e.to);
}
}
}
}
//在层次图上通过dfs不断寻找增广路
int dfs(int u,int t,int f){
if(u==t)return f;
for(int &i=iter[u];i<G[u].size();i++){ //int &i=iter[u]当前弧优化
edge &e=G[u][i];
if(e.cap>0&&level[u]<level[e.to]){
int d=dfs(e.to,t,min(f,e.cap));
if(d>0){
e.cap-=d;
G[e.to][e.rev].cap+=d;
return d;
}
}
}
return -1;
}
int max_flow(int s,int t){
int flow=0;
while(true){
bfs(s);
if(level[t]<0)return flow;
memset(iter,0,sizeof(iter));
int f;
while((f=dfs(s,t,inf))>0){ //两层括号
flow+=f;
}
}
}
3、二分图匹配(匈牙利算法)
描述:
思想为寻找增广路,在二分图匹配中,如果一条路径首尾是非匹配点,路径中除此之外都是匹配点,那么这条路径就是一条增广路。
int V; //二分图左侧顶点数
vector<int>G[Max_v];
int match[Max_v]; //记录妹子的男盆友
int used[Max_v];
void add_edge(int u,int v){
G[u].push_back(v);
}
bool dfs(int u){
used[u]=1;
for(int i=0;i<G[u].size();i++){
int v=G[u][i],w=match[v];
if(w<0||!used[w]&&dfs(w)){
match[v]=u; //记录妹子的男盆友
return true;
}
}
return false;
}
int max_match(){
int ans=0;
memset(match,-1,sizeof(match));
for(int i=0;i<V;i++){
memset(used,0,sizeof(used));
if(dfs(i))ans++;
}
return ans;
}
4、最小费用流(SPFA算法求解)
描述:
在残余网络上总是沿着最短(费用)路增广。
复杂度:
< O(F|V||E|)
int V;
struct edge{
int to,cap,cost,rev;
edge(int t,int c,int co,int r):to(t),cap(c),cost(co),rev(r){}
};
int dist[Max_v];
bool used[Max_v];
int prv[Max_v],pre[Max_v]; //最短路的前驱节点和对应的边
vector<edge>G[Max_v];
void add_edge(int from,int to,int cap,int cost){
G[from].push_back(edge(to,cap,cost,G[to].size()));
G[to].push_back(edge(from,0,-cost,G[from].size()-1));
}
ll min_cost_flow(int s,int t,int f){
ll ans=0;
while(f>0){
//用spfa寻找最短(费用)路
memset(dist,0x3f,sizeof(dist));
memset(used,0,sizeof(used));
queue<int>que;
que.push(s);
dist[s]=0;used[s]=1;
while(!que.empty()){
int u=que.front();que.pop();
used[u]=0;
for(int i=0;i<G[u].size();i++){
edge &e=G[u][i];
if(e.cap>0&&dist[e.to]>dist[u]+e.cost){
dist[e.to]=dist[u]+e.cost;
prv[e.to]=u;pre[e.to]=i;
if(!used[e.to]){
que.push(e.to);
used[e.to]=1;
}
}
}
}
if(dist[t]==inf)//找不到增广路了
return -1;
//沿s到t的最短路尽量增广
int d=f;
for(int v=t;v!=s;v=prv[v]){
d=min(d,G[prv[v]][pre[v]].cap);
}
f-=d;
ans+=d*dist[t];
for(int v=t;v!=s;v=prv[v]){
edge &e=G[prv[v]][pre[v]];
e.cap-=d;
G[v][e.rev].cap+=d;
}
}
return ans;
}
5、最小费用流(Dijkstra算法求解)
描述:
在残余网络上总是沿着最短(费用)路增广。引入势h(v),取h(v)=s到v的最短距离,将边e=(u,v)的长度变为d’(e)=d(e)+h(u)-h(v),使得对所有的e都有d’(e)>=0,就可用Dijkstra算法求解在d’中求解最短路。
复杂度:
O(F|E|log|V|)
struct edge{
int to,cap,cost,rev; //终点、容量、费用、反向边
edge(int t,int c,int co,int r):to(t),cap(c),cost(co),rev(r){}
};
int V;
int h[Max_v]; //顶点的势
int dist[Max_v]; //考虑势之后的最短距离
int prv[Max_v],pre[Max_v]; //最短路的前驱节点和对应的边
vector<edge>G[Max_v];
void add_edge(int from,int to,int cap,int cost){
G[from].push_back(edge(to,cap,cost,G[to].size()));
G[to].push_back(edge(from,0,-cost,G[from].size()-1));
}
ll min_cost_flow(int s,int t,int f){
ll ans=0;
memset(h,0,sizeof(h));
while(f>0){
priority_queue<P,vector<P>,greater<P> >que;
memset(dist,0x3f,sizeof(dist));
dist[s]=0;
que.push(P(0,s));
while(!que.empty()){
P p=que.top();que.pop();
int u=p.second,d=p.first;
if(d>dist[u])continue;
for(int i=0;i<G[u].size();i++){
edge &e=G[u][i];
if(e.cap>0&&dist[e.to]>dist[u]+e.cost+h[u]-h[e.to]){
dist[e.to]=dist[u]+e.cost+h[u]-h[e.to];
prv[e.to]=u;
pre[e.to]=i;
que.push(P(dist[e.to],e.to));
}
}
}
if(dist[t]==inf) //找不到增广路了
return -1;
for(int v=0;v<=t;v++)h[v]+=dist[v]; //更新h[v]
//沿s到t的最短路尽量增广
int d=f;
for(int v=t;v!=s;v=prv[v])
d=min(d,G[prv[v]][pre[v]].cap);
f-=d;
ans+=d*h[t];
for(int v=t;v!=s;v=prv[v]){
edge &e=G[prv[v]][pre[v]];
e.cap-=d;
G[v][e.rev].cap+=d;
}
}
return ans;
}
66666666666666666666666666
66666666666666666666666666